


USPTO : adopter une approche centrée sur l'humain pour l'innovation en matière d'IA
Comme de nombreuses organisations axées sur la connaissance, l'Office américain des brevets et des marques (USPTO) utilise des technologies telles que l'analyse de données, l'intelligence artificielle et l'apprentissage automatique pour améliorer son efficacité et ses performances opérationnelles, ainsi que la qualité de ses systèmes et processus.
Les algorithmes d’intelligence artificielle et d’apprentissage automatique sont essentiels au travail de l’USPTO, mais en même temps, le principe directeur de l’agence gouvernementale est d’adopter une approche centrée sur les personnes. Jamie Holcombe, directeur de l'information de l'Office américain des brevets et des marques, a noté que les outils d'intelligence artificielle et d'apprentissage automatique contribuent à augmenter les capacités des experts humains et à améliorer leur ingéniosité dans leur travail. À ce stade, ces outils sont légèrement différents de l'esprit humain. Ou bien la capacité de raisonnement est inégalée.
Jamie Holcombe, directeur de l'information, USPTO
Pour compléter et affiner davantage cette technologie, l'USPTO s'appuie sur les contributions, la formation et les améliorations de milliers d'employés expérimentés grâce à des modèles de capture passive et active basés sur l'IA pour garantir la technologie obtient les résultats souhaités. L'Office américain des brevets et des marques a accordé plus de 11 millions de brevets depuis sa création et compte plus de 12 000 employés, dont des ingénieurs, des avocats, des analystes et des experts en informatique. De plus, les commentaires continus des examinateurs de brevets de première ligne sont également utilisés pour améliorer les modèles d'IA/ML afin de stimuler le développement de nouveaux produits et de soutenir les activités dans deux domaines clés : la recherche et la classification des brevets.
Holcombe a noté que mener une recherche complète de brevets peut s'avérer difficile étant donné l'explosion actuelle des volumes de données et des sources potentielles de « l'état de la technique ». Pour relever ce défi, l’équipe technique de l’USPTO utilise la technologie de l’intelligence artificielle dans un nouvel outil de recherche de brevets pour aider les examinateurs à trouver les sources les plus pertinentes dont ils ont besoin lors de l’examen des demandes. Ceci est important car l'USPTO reçoit plus de 600 000 candidatures chaque année et une candidature moyenne contient environ 20 pages de texte et d'images, soit environ 10 000 mots descriptifs. Le service informatique de l'USPTO a également développé et déployé un outil de classification capable d'identifier et de faire correspondre les symboles de classification associés à l'invention parmi plus de 250 000 classes possibles.
Dans les deux cas, le modèle est développé et continuellement amélioré grâce aux commentaires fournis par des experts humains qui utilisent des humains pour juger si quelque chose est nouveau ou nouveau, puis appliquent les aspects juridiques, factuels et leur expertise pour prendre des décisions.
Explorer les pipelines de talents dans le flux d'informations
Obtenir un flux constant de commentaires d'experts examinateurs et d'autres peut être un avantage, mais ce n'est pas le seul moyen pour l'USPTO d'identifier de nouveaux canaux d'innovation et d'expertise mondiale. aider à résoudre des défis importants et à faire évoluer l’intelligence artificielle. Plus tôt cette année, l'USPTO s'est tourné vers la communauté de recherche en IA et Google Kaggle. Kaggle est une plate-forme technique et sociale permettant aux scientifiques des données et autres d'échanger des pensées et des idées. Kaggle organise chaque mois de mars un concours mondial de codage, offrant un prix de 25 000 dollars et invitant les chercheurs en intelligence artificielle et les scientifiques des données à écrire du code pour évaluer la sémantique. similarité des phrases.
Cette année, le concours a reçu 42 900 candidatures avant sa clôture le 30 juin, impliquant plus de 1 800 équipes mondiales travaillant ensemble pour exploiter des sources de données propriétaires accessibles au public. Holcombe a expliqué que l'objectif du concours est de promouvoir l'utilisation de l'IA pour aider les agences et la communauté des brevets à mieux comprendre le langage des brevets. "Le résultat est non seulement de meilleurs algorithmes d'expression pour les recherches de brevets, mais également l'adoption de modèles gagnants dans le domaine public", a-t-il déclaré.
L'USPTO exploite également d'autres ressources d'information publiques, telles que Golden, qui est un "style Wiki" gratuit. " Plateforme basée sur l'intelligence artificielle/l'apprentissage automatique lancée en 2019, qui peut faire correspondre des sujets avec des données pertinentes et disponibles via des recherches sur le Web et les intégrer dans un flux d'informations. Après le lancement de l'algorithme d'IA qui le sous-tend, les données pertinentes peuvent être ajoutées en continu , et tout le monde peut rechercher des informations sur les entreprises, les brevets des entreprises et les sources de financement (telles que le capital-risque).
Directives A, B et C de l'Intelligence Artificielle/Alliance Humaine
Bien que nous constations qu'il existe de nombreuses colonnes techniques sur l'intégration technologique, compte tenu de la diversité et de la complexité de la nature humaine, une approche « centrée sur l'humain » est Le développement de l’intelligence artificielle humaine et de l’apprentissage automatique peut être un défi. Par conséquent, l'USPTO, sous la direction de Holcombe, a élaboré des lignes directrices du pilote au prototype jusqu'à la production, résumées sous forme de lignes directrices A, B et C :
- A signifie Alignement : Holcombe estime qu'il doit y avoir un lien fort entre les gens d'affaires et les informaticiens. « Les meilleures équipes interfonctionnelles sont composées de techniciens travaillant côte à côte avec des représentants commerciaux, le tout dans un environnement agile qui favorise la planification, l'exécution, l'inspection et l'ajustement. » Les pratiques Agile et DevSecOps reposent sur une action rapide, la transparence et la réflexion produit : Pour maximiser les progrès, les dirigeants communiquent tôt et souvent avec leurs équipes et leurs parties prenantes.
- B signifie valeur commerciale : vous pouvez commencer par des analyses de rentabilisation qui ont une valeur claire pour les opérations stratégiques de base et résoudre les défis qui rendent l'IA et l'apprentissage automatique utiles. Holcombe a noté : « En tant qu'agence 100 % payante, nous relevons les défis technologiques dans le cadre de contraintes commerciales et de retour sur investissement strictes.
- C signifie clients (c'est-à-dire employés) : des solutions d'IA/d'apprentissage automatique conçues pour fournir aux examinateurs et à d'autres experts du domaine. , plutôt que de les remplacer. En conséquence, l'équipe Emerging Technologies travaille avec des clients internes pour tester et peaufiner avant, pendant et après toute version. Les utilisateurs de ces produits peuvent contribuer à stimuler l'innovation en matière d'intelligence artificielle. Certains d'entre eux sont « soucieux du détail » et sont des cadres de niveau C comme le CIO, leurs opinions sont donc importantes. Holcombe a noté : « Parce que nous impliquons les clients dès le début du processus, nous recevons des retours solides, ce qui contribue à favoriser l'adoption de la technologie. De plus, les clients nous permettent de déployer une intelligence artificielle qui rend des comptes aux experts de l'agence et au public. .”
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
